Голос голосового робота: как его выбрать

Клиент снимает трубку, слышит первые слова и кладёт её обратно на третьей секунде — интонация выдаёт робота быстрее, чем содержание фразы. За этот момент отвечает связка из трёх решений: какая модель озвучивает речь, какой конкретно голос выбран и как выставлены его параметры. Разбираться в ней стоит до первого реального звонка, а не после жалоб на «странного бота».

Где выбирается голос ИИ-агента

Голос настраивается там же, где включается сам голосовой режим: в разделе «Инструкция», на вкладке «Голос». После переключения в блоке дополнительных настроек появляется раздел «Синтез речи (TTS)» с выбором модели синтеза, режимом «Качество» или «Скорость» и самим голосом из списка.

На платформе пять моделей синтеза, доступных без роли администратора: ElevenLabs Flash v2.5, ElevenLabs Multilingual v2, ElevenLabs Turbo v2.5, Cartesia Sonic 3.5 и Yandex SpeechKit — у каждой свой набор голосов, и смена модели меняет список доступных персон целиком, заодно с их звучанием.

Сколько голосов доступно на русском языке

На русском языке агенту доступен 21 голос, и они распределены между тремя производителями синтеза неравномерно. У ElevenLabs 13 голосов: женские Вероника, Мария, Регина, Виталина, Стефа и мужские Егор, Артём, Марк, Альберт, Николай, у части имён есть варианты с другой подачей. У Cartesia 7 голосов: Рита в нескольких профилях звучания, Дарья и Сергей. У Yandex SpeechKit — один голос, Алёна.

Смена производителя внутри одного агента не требует переписывать инструкцию: меняется только голос и параметры звучания, логика разговора и база знаний остаются прежними.

Какие параметры голоса можно настроить

Четыре параметра отвечают именно за характер звучания голоса, а не за то, как агент слышит клиента: скорость, стабильность голоса, сходство с оригиналом и выразительность.

Скорость задаёт темп произношения: чем выше значение, тем быстрее говорит агент. Стабильность голоса — чем она выше, тем ровнее и спокойнее звучит речь, но тем меньше в ней естественных интонаций. Сходство с оригиналом показывает, насколько звучание совпадает с выбранным эталонным голосом. Выразительность отвечает за живость речи: чем выше значение, тем более человечно звучит агент.

Эти четыре параметра меняют сам голос, выбранный на предыдущем шаге. Рядом в кабинете живёт ещё один блок настроек, распознавание речи, и там уже про другое: насколько чутко агент слышит клиента. Если разговор рвётся перебиваниями или молчанием, разбор по каждому симптому — в настройке голоса ИИ-агента.

На каких языках может звучать агент

Голосовой агент говорит на одиннадцати языках: русском, английском, испанском, немецком, французском, греческом, иврите, казахском, узбекском, тайском и турецком. Список голосов для каждого языка свой: казахский и узбекский пока закрывает только Yandex SpeechKit, а самый широкий выбор голосов у русского и английского через ElevenLabs.

Для агента с несколькими языковыми аудиториями язык ответа и набор доступных голосов удобно привязать к каналу или к языку, который агент распознаёт по первой фразе собеседника — у голосового ИИ-агента в нескольких каналах работает то же переключение.

Сколько стоит голосовая минута

Минута разговора стоит от 15 до 30 ₽ в зависимости от тарифа: цифра фиксирована в руководстве платформы Савви и не зависит от того, какой голос и какую модель синтеза вы выбрали. Дороже или дешевле от выбора конкретного голоса минута не становится.

Отдельно оплачивается сама телефония на стороне оператора связи: голосовая минута агента её не включает. Точка отсчёта для этой цифры — стоимость пропущенного звонка. Менеджер обрабатывает около 450 обращений в месяц при зарплате около 40 000 ₽, то есть около 89 ₽ за обращение, оценка по средним ставкам. При сезонном потоке звонков разница особенно заметна на однотипных обращениях: подтверждение записи, статус заказа, приём заявки на обратный звонок.

Подберите голос под свою нишу

Подберите голос по записи демо-звонка: у агента есть демо-ссылка, по которой можно поговорить с ним прямо в браузере и услышать выбранный голос на реальных фразах вашей инструкции, а не на тестовом отрывке.

Голос — не единственное, что выдаёт робота на линии. Стиль реплик, длина ответа и то, как агент реагирует на паузу собеседника, настраиваются в инструкции агента, а полный список полей синтеза и распознавания с актуальными значениями по умолчанию — в руководстве платформы. Завести голосового агента с нуля можно и на главной странице Савви, выбрав тариф под ожидаемый поток звонков.

Частые вопросы